本书系统阐述了用于地球观测的二维遥感图像分析方法及其数学基础。全书共分10章，内容涵盖遥感图像分析的数学模型和方法，多源遥感数据融合，被动与主动传感器、高光谱影像及各类SAR数据的处理与分析方法（包括干涉SAR和极化SAR），以及基于信息论、小波变换及压缩感知的建模方法。书中系统探讨概率图模型、层次化图像表示、核方法、数据融合与压缩感知等数学知识在遥感信息提取、特征分析与建模中的应用。

Gabriele Moser和Josiane Zerubia是法国国家信息与自动化研究所（INRIA）的研究人员，合作发表了多篇关于SAR图像处理的学术论文，主要研究方向包括合成孔径雷达（SAR）幅度概率密度函数估计、有限混合模型及随机期望最大化算法等 。Gabriele Moser，IEEE高级会员，长期从事遥感图像处理与模式识别研究，提出基于有限混合模型和Copula函数的高分辨率双极化SAR图像分类方法。Josiane Zerubia，IEEE高级会员，专注于SAR图像分析与机器学习方法，开发字典驱动的随机期望最大化算法，用于SAR幅度概率密度函数估计。
李晋川，籍贯山西，航天工程大学硕士，华南理工大学博士，现任职于中国星网网络创新研究院有限公司。长期从事航天信息数据处理及应用、新型材料数据分析与技术应用等领域的研究工作。

第1章 绪论：遥感图像分析的数学模型和方法 1
1.1 基本概念 2
1.2 遥感图像基础知识 3
1.2.1 遥感图像的概念 3
1.2.2 遥感平台 3
1.2.3 遥感图像的采集 4
1.2.4 分辨率的概念 9
1.3 遥感图像分析的数学模型 11
1.3.1 总论 11
1.3.2 图像数字化的数学模型 13
1.3.3 概率建模和贝叶斯方法处理图像数据 14
1.3.4 图像数据处理中的非贝叶斯方法 16
1.3.5 优化方法的作用 19
1.4 本书的结构与组织 20
原书参考文献 21
第2章 高光谱图像分析模型：解混分析及基于对象的分类 29
2.1 高光谱遥感简介 30
2.2 解混 31
2.2.1 降维 35
2.2.2 端元提取 35
2.3 分类 44
2.3.1 像元级分类 45
2.3.2 光谱-空间分类法 47
2.3.3 面向对象的二元分割树分类 49
2.3.4 实验结果 55
2.4 挑战 59
原书参考文献 60
第3章 高空间分辨率光学成像：树模型方法及面向数据挖掘和分析的多时相
模型 66
3.1 引言 67
3.2 分层数据结构耦合的交互式图像信息挖掘 68
3.2.1 简介 68
3.2.2 图像内容组织 70
3.2.3 层级图像表示结构 72
3.2.4 空间采样 75
3.2.5 高效的剪枝分类法 77
3.2.6 实验与应用 81
3.3 多时相多角度光学图像分析 85
3.3.1 简介 85
3.3.2 非物理量和物理量 87
3.3.3 角度变化的影响 90
3.3.4 实验结果 94
3.4 结论 104
原书参考文献 105
第4章 高分辨率干涉合成孔径雷达图像信息解译：马尔可夫模型和基于图像块的
非局部模型 111
4.1 合成孔径雷达成像原理 112
4.1.1 合成孔径雷达信息采集原理 112
4.1.2 二维到四维合成孔径雷达成像 117
4.1.3 合成孔径成像中的斑点噪声统计 118
4.2 马尔可夫模型的应用 122
4.2.1 马尔可夫图像模型 122
4.2.2 马尔可夫随机场的推断 125
4.2.3 SAR图像降噪方法：联合正则化与光学数据融合 133
4.2.4 多通道干涉测量相位解缠 136
4.3 基于图像块的SAR成像模型 139
4.3.1 从局部领域到图像块 139
4.3.2 极化雷达和干涉雷达图像中基于图像块估计的筛选方法 143
4.4 结论 149
拓展阅读 150
原书参考文献 150

第5章 极化合成孔径雷达建模：梅林型统计和时频分析 155
5.1 简介 156
5.2 信号模型 157
5.3 乘积模型 158
5.4 雷达极化技术 160
5.5 参数估计 162
5.5.1 协方差估计 162
5.5.2 梅林型统计 164
5.5.3 形状参数估计 168
5.5.4 纹理参数估计 171
5.6 图像分类 172
5.6.1 监督分类 172
5.6.2 无监督分割 175
5.7 复极化特征的相干时频特性 177
5.7.1 极化合成孔径雷达图像的相干时频分解 178
5.7.2 针对自然环境的非稳态极化时频合成孔径雷达响应 181
5.7.3 复杂场景的极化时频特征 186
5.8 结论 194
原书参考文献 195
第6章 遥感数据融合—基于引导滤波器的高光谱全色锐化和基于图的特征级
融合 197
6.1 引言 198
6.2 高光谱图像全色锐化 199
6.2.1 热红外高光谱和可见光图像融合的混合方法 200
6.3 基于图的多源数据分类特征级融合模型 204
6.3.1 高光谱数据和LiDAR数据的图融合 207
6.3.2 多源数据融合的局部图融合模型 213
6.4 结论 220
原书参考文献 221
第7章 遥感数据融合—针对多传感器、多分辨率、多尺度图像分类的马尔可夫
模型与数学形态学 226
7.1 针对图像分类的多源数据融合 227
7.1.1 多尺度特征提取 227
7.1.2 多传感器与多分辨率图像分类 229
7.2 由数学形态学实现的多级别特征提取 231
7.2.1 数学形态学 231
7.2.2 理论背景 232
7.2.3 多层次图像表征 236
7.2.4 多通道多属性表征 237
7.2.5 自动滤波参数选择 238
7.2.6 实验研究 240
7.3 用于多源图像分类的层次化马尔可夫模型 244
7.3.1 贝叶斯分类 246
7.3.2 多时序边缘后验模式推断 247
7.3.3 转移概率 251
7.3.4 像元级类别条件概率密度函数 252
7.3.5 实验研究 252
7.4 结论 256
原书参考文献 257
第8章 基于单尺度与多尺度方法的多时相图像变化检测 264
8.1 引言 265
8.2 前沿技术 266
8.2.1 多时相航天图像中的变化检测 266
8.2.2 SAR变化检测 267
8.2.3 超高分辨率SAR图像变化检测方法 268
8.3 实验与分析 274
8.3.1 模拟数据 274
8.3.2 COSMO-SkyMed（CSK）图像 283
8.4 结论 285
原书参考文献 285
第9章 卫星图像时间序列：数据的挖掘模型和缺失数据的恢复模型 289
9.1 引言 290
9.2 时空模式提取的数据挖掘方法 292
9.2.1 方法来源与目标 292
9.2.2 分组频繁序列模式 292
9.2.3 时空定位图和基于归一化互信息的评分 298
9.2.4 结论 301
9.3 多光谱图像的重建方法 302
9.3.1 综述 302
9.3.2 问题建模 304
9.3.3 线性上下文预测方法 306
9.3.4 压缩感知重建策略 309
9.3.5 示例 312
9.3.6 讨论 317
9.4 结论 318
原书参考文献 318
第10章 遥感图像分类和生物物理参数反演中的核机器发展 323
10.1 导论 324
10.2 核方法介绍 325
10.2.1 特征映射和核 325
10.2.2 正定核与核技巧 326
10.2.3 运用核函数的操作 326
10.2.4 核函数 327
10.2.5 核函数组合 328
10.2.6 核度量 329
10.2.7 支持向量机在分类中的应用 329
10.2.8 高斯过程回归 331
10.3 多模态数据分类 332
10.3.1 多核方法在多源像元分类中的应用 332
10.3.2 流形对齐技术提高不同图像表示相似程度 338
10.3.3 新挑战 343
10.4 生物物理参数估计 344
10.4.1 高斯过程中的协方差 344
10.4.2 自动相关性判别（ARD）协方差特征排序 346
10.4.3 不确定性区间图 349
10.4.4 高斯过程回归的新挑战 352
10.5 结论 353
原书参考文献 353